1. 情绪状态机
这篇文章，我们来讨论一个情绪连续性的问题。
前面我们提到过这样一个场景：用户昨晚刚和 AI Agent 吵过架，第二天又发来一句 早安。没有情绪系统时，AI Agent 可能立刻回复 早安！今天天气不错！，像是在处理一段全新的对话。引入情绪系统后，它则可能只回一句 ……早。，因为昨晚产生的情绪还没有消失。
两种回复的差异并不只是 Prompt 写法造成的，更重要的是，系统是否维护了能够跨越多轮对话的情绪状态。
LLM 本身没有情绪，每次回复都依赖当前收到的上下文。Prompt 中写着 你现在很生气，它就会按照生气的状态回复；换成 你现在很开心，它又会表现得开心。
真正需要解决的问题是：当前应该处于什么情绪，由谁来决定？ 这个判断不能只交给 LLM，而要由应用层的调度逻辑负责。这个调度逻辑，我们称之为情绪状态机。
应用层维护一份独立于 LLM 的情绪状态，根据用户行为更新它，并在每次生成回复前把当前情绪写入对话上下文。
2. 有限状态机
有限状态机（Finite State Machine，FSM）是计算机科学中常见的建模方式，由三个要素组成：
- 状态集合：系统可能处于的所有状态，例如开心、生气和平静
- 转移条件：触发状态切换的事件或条件，例如用户道歉后，状态从生气转为平静
- 当前状态：系统在某一时刻所处的唯一状态
FSM 有一个明确的约束：系统在任何时刻只能处于一个离散状态。在这篇文章里，FSM 只负责维护 Agent 当前的主导情绪，例如 calm 或 angry。情绪强度、亲密度和进入状态的时间是附加的连续变量，它们会影响回复的表现，但不属于有限状态集合本身。
我们在使用一个以 FSM 为核心、带有连续变量的情绪状态模型。这样既保留了有限状态机可预测的优点，也能表达“同样是生气，但程度不同”这种实际需求
为什么使用 FSM，而不是直接让 LLM 判断当前情绪？这里主要是基于如下考虑
- 可预测：状态转移遵循确定的规则，不会因 LLM 的随机性而在相同条件下得到不同结果。
- 可调试：状态与转移条件都是显式数据，出现问题时可以定位到具体规则。
- 可持久化：一个表示当前状态的字符串，再加上情绪强度、时间戳等少量数值，就能完整保存到数据库。
- 低成本：事件识别可以交给 LLM，状态转移则通过普通逻辑判断完成，不需要为每次转移额外调用 LLM
3. AI 伴侣的情绪模型设计
下面以“小薇”为例，设计一套包含六种 Agent 主导情绪的模型。用户自己的情绪需要单独记录，不能因为用户难过，就直接把 Agent 的状态改成难过。
我们的情绪状态定义如下：
| 状态 | 含义 | 表现特征 | Prompt 风格 |
|---|---|---|---|
| 平静（Calm） | 默认状态 | 正常语气，温柔日常 | 基础人设 Prompt |
| 开心（Happy） | 被夸奖、收到礼物 | 语气活泼，主动撒娇 | 甜蜜模式 Prompt |
| 生气（Angry） | 被忽视、争吵、记错事 | 语气冷淡或暴躁 | 冷战/暴怒 Prompt |
| 难过（Sad） | Agent 自身受到冷落或冲突影响 | 语气低沉，敏感脆弱 | 自我表达 Prompt |
| 害羞（Shy） | 表白、亲密互动 | 说话磕磕巴巴，颜文字增多 | 娇羞模式 Prompt |
| 吃醋（Jealous） | 出现暧昧或潜在竞争关系 | 语气酸酸的，旁敲侧击 | 醋意模式 Prompt |
模型一共包含 6 种情绪状态。其中，平静是默认状态，其余 5 种状态需要由具体事件触发
每种情绪都应该有明确的进入和退出条件。
实际设计时，不能只列出几个示例状态，还要为没有特殊规则的情况定义默认行为：没有匹配到转移条件时，保持当前状态。这样转移函数才是完整的，普通闲聊也不会让情绪无故跳转
type AgentMood = 'calm' | 'happy' | 'angry' | 'sad' | 'shy' | 'jealous'
type EmotionEvent =
| 'praise' | 'argument' | 'apology' | 'intimate'
| 'rival' | 'gift' | 'neglect' | 'neutral'
const transitionRules: Record<AgentMood, Partial<Record<EmotionEvent, AgentMood>>> = {
calm: { praise: 'happy', argument: 'angry', intimate: 'shy', rival: 'jealous', gift: 'happy', neglect: 'sad' },
happy: { argument: 'angry', intimate: 'shy', rival: 'jealous', neglect: 'sad' },
angry: { apology: 'calm', gift: 'happy', rival: 'jealous' },
sad: { apology: 'calm', praise: 'happy', intimate: 'shy' },
shy: { argument: 'angry', praise: 'happy' },
jealous:{ apology: 'calm', argument: 'angry', gift: 'happy' },
}
function resolveMood(currentMood: AgentMood, event: EmotionEvent): AgentMood {
return transitionRules[currentMood][event] ?? currentMood
}
这里的代码只展示主导情绪的转移，强度和亲密度应该在同一个规则函数中单独计算。不同情绪可以有不同的衰减时间，例如生气比开心持续得更久；状态也不一定要先回到平静，再进入下一种情绪，生气时收到合适的礼物就可以直接转为开心
4. 情绪路由
可以利用 langGraph 的条件路由来实现情绪路